本文介紹Pandas中DataFrame數(shù)據(jù)刪除，主要使用drop、del方式。

# drop函數(shù)的參數(shù)解釋
drop(
  self,
  labels=None, # 就是要刪除的行列的標簽，用列表給定;
  axis=0, # axis是指處哪一個軸，0為行（默認），1為列;
  index=None, # index是指某一行或者多行
  columns=None, # columns是指某一列或者多列
  level=None, # level是指等級，針對多重索引的情況;
  inplace=False, # inplaces是否替換原來的dataframe;
  errors="raise",
)
axis=0或者 和 index或columns 指定行列只需要使用一組就行

1.根據(jù)默認的行列索引操作

示例數(shù)據(jù)

import numpy as np
import pandas as pd
# 生成隨機數(shù)組-5行5列
df = pd.DataFrame(np.random.rand(5,5))
print(df)

數(shù)據(jù)展示

 01234
0  0.760489  0.074633  0.788416  0.087612  0.560539
1  0.758450  0.599777  0.384075  0.525483  0.628910
2  0.386808  0.148106  0.742207  0.452627  0.775963
3  0.662909  0.134640  0.186186  0.735429  0.459556
4  0.328694  0.269088  0.331404  0.835388  0.899107

1.1行刪除

[1]刪除單行

# 刪除單行，刪除第2行
df.drop(df.index[1],inplace=True) # inplace=True 原地修改
print(df)

執(zhí)行結(jié)果:

0 1 2 3 4
0 0.605764 0.234973 0.566346 0.598105 0.478153
2 0.383230 0.822174 0.228855 0.743258 0.076701
3 0.875287 0.576668 0.176982 0.341827 0.112582
4 0.205425 0.898544 0.799174 0.000905 0.377990

[2]刪除不連續(xù)多行

# 刪除不連續(xù)多行,刪除第2和第4行
df.drop(df.index[[1,3]],inplace=True)
print(df)

執(zhí)行結(jié)果:

0 1 2 3 4
0 0.978612 0.556539 0.781362 0.547527 0.706686
2 0.845822 0.321716 0.444176 0.053915 0.296631
4 0.617735 0.040859 0.129235 0.525116 0.005357

[3]刪除連續(xù)多行

# 刪除連續(xù)多行
df.drop(df.index[1:3],inplace=True) # 開區(qū)間，最后一個索引號不計算在內(nèi)
print(df)

執(zhí)行結(jié)果:

0 1 2 3 4
0 0.072891 0.926297 0.882265 0.971368 0.567840
3 0.163212 0.546069 0.360990 0.494274 0.065744
4 0.752917 0.242112 0.526675 0.918713 0.320725

1.2列刪除

列的刪除可以使用del和drop兩種方式，del df[1] # 刪除第2列，該種方式為原地刪除，本文具體講解drop函數(shù)刪除。

[1]刪除指定列

df.drop([1,3],axis=1,inplace=True) # 指定軸為列
# df.drop(columns=[1,3],inplace=True) # 直接指定列

執(zhí)行結(jié)果:

0 2 4
0 0.592869 0.123369 0.815126
1 0.127064 0.093994 0.332790
2 0.411560 0.118753 0.143854
3 0.965317 0.267740 0.349927
4 0.688604 0.699658 0.932645

[2]刪除連續(xù)列

df.drop(df.columns[1:3],axis=1,inplace=True) #指定軸
# df.drop(columns=df.columns[1:3],inplace = True) # 指定列
print(df)

執(zhí)行結(jié)果:

0 3 4
0 0.309674 0.974694 0.660285
1 0.677328 0.969440 0.953452
2 0.954114 0.953569 0.959771
3 0.365643 0.417065 0.951372
4 0.733081 0.880914 0.804032

2.根據(jù)自定義的行列索引操作

示例數(shù)據(jù)

df = pd.DataFrame(data=np.random.rand(5,5))
df.index = list('abcde')
df.columns = list('一二三四五')
print(df)

數(shù)據(jù)展示

 一二三四五
a  0.188495  0.574422  0.530326  0.842489  0.474946
b  0.912522  0.982093  0.964031  0.498638  0.826693
c  0.580789  0.013957  0.515229  0.795052  0.859267
d  0.540641  0.865602  0.305256  0.552566  0.754791
e  0.375407  0.236118  0.129210  0.711744  0.067356

2.1行刪除

[1]刪除單行

df.drop(['b'],inplace=True)
print(df)

執(zhí)行結(jié)果:

一 二 三 四 五
a 0.306350 0.622067 0.030573 0.490563 0.009987
c 0.672423 0.071661 0.274529 0.400086 0.263024
d 0.654204 0.809087 0.066099 0.167290 0.534452
e 0.628917 0.232629 0.070167 0.469962 0.957898

[2]刪除多行

df.drop(['b','d'],inplace=True)
print(df)

執(zhí)行結(jié)果:

一 二 三 四 五
a 0.391583 0.509862 0.924634 0.466563 0.058414
c 0.802016 0.621347 0.659215 0.575728 0.935811
e 0.223372 0.286116 0.130587 0.113544 0.910859

2.2列刪除

[1]刪除單列

df.drop(['二'],axis=1,inplace=True)# 刪除單列
print(df)

執(zhí)行結(jié)果：

一 三 四 五
a 0.276147 0.797404 0.184472 0.081162
b 0.630190 0.328055 0.428668 0.168491
c 0.979958 0.029032 0.934626 0.106805
d 0.762995 0.003134 0.136252 0.317423
e 0.137211 0.116607 0.367742 0.840080

[2]刪除多列

df.drop(['二','四'],axis=1,inplace=True) # 刪除多列
# df.drop(columns=['二','四'],inplace=True) # 刪除多列
print(df)

執(zhí)行結(jié)果:

一 三 五
a 0.665647 0.709243 0.019711
b 0.920729 0.995913 0.490998
c 0.352816 0.185802 0.406174
d 0.136414 0.563546 0.762806
e 0.259710 0.775422 0.794880

到此這篇關(guān)于Pandas中DataFrame數(shù)據(jù)刪除詳情的文章就介紹到這了,更多相關(guān)Pandas中DataFrame數(shù)據(jù)刪除 原創(chuàng)內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。